#技术巡猎# #小鹏汽车# #电池热管理#
今天是小鹏的一个方法专利（CN120773620A），讲的是一套基于电池健康度SOH的自适应热管理算法。

行业一般怎么做的热管理呢？
电池你设定好“高于45℃开始高性能强制冷却、低于30℃停止”，BMS就会按设定好的温度阈值，去控制泵、阀的开关，并通过空调系统调整冷媒的状态，非常简单粗暴。但问题在于：新电池和老电池应该是不一样的。

我就举个例子，26℃对你刚刚好，对你刚来例假的女朋友，她觉得很冷，没毛病吧？
新老电池的控制，就不该是一样的---阈值不能一样，快充、高速、低温场景也不能是同一套逻辑。饶是如此，在极端环境下要么会造成能耗的浪费，要么会对电池造成损伤。

相比于控制温度从而去支撑健康状态来说，小鹏这套方法的思路是反着来的---它在控制上不以温度为中心，而以健康状态为中心。

电池健康度SOH（State of Health）是一个表示老化程度的指标，简单讲就是当前容量相对于新电池额定容量的比例。健康的电池可以对于温度相对更为耐受，而老化的电池，要进一步考虑提前降温。

于是在专利里，小鹏引入了一个“健康偏差值”：
ΔSOH = SOH_{current} - SOH_{ref} - buffer

这里的SOH_ref是一条理想健康曲线，buffer是容差。
系统实时计算电池状态与基准的差距，然后去查一张“策略映射表”，不同偏差值对应不同档位的温控策略。比如电池偏差+2%，代表状态良好，系统采用一档策略：能耗优先。热管理的阈值就设定得高一点，少开水泵、多省电。偏差在±2%之间时，启用二档：平衡模式。而当偏差小于-2%（说明电池开始衰退），立刻切到三档：寿命优先，提前降温、降低峰温，哪怕多耗一点能量。

这套逻辑不仅仅是区分电池老化程度，还会主动识别车辆当前的状态。
如果车在充电，系统会再细分“快充”“慢充”两类场景，快充时电流大、发热强，温控策略就会更激进，比如40℃时启动冷却、38℃停下来；慢充则进一步放宽到35℃。如果是汽车在行驶过程中，就会基于速度划分“高速”“低速”“怠速”三种工况，高速时启控温度能上到42℃，因为气流冷却足、热交换效率高。

整套映射逻辑像是个动态三维表：
行驶/充电状态 × 电池SOH偏差 × 环境温度 = 对应的冷却/加热阈值。

换句话说，小鹏其实是在试图让温控系统进入“自适应”的过程。
这就像你身体的体温调节一样，以前是“38℃就吃药”，现在是“结合体质、心率、环境温度再决定要不要吃药”。

专利后半段讲了个关键细节，健康度是怎么得来的。
他们引入了一个健康评估模型，把电池的“当前运行参数+历史运行参数”作为输入，模型可以是机器学习算法、物理模型或两者融合，输出当前SOH---这里做的已经是热管理的预测了，它不是在事后去做温度控制，而是尝试提前识别电池的衰退趋势，提前调整好温控的区间。

这类模型如果训练得好，意味着可以让冷却系统按“寿命曲线”工作，而不必按“温度瞬态”来进行反应。

从他们的阈值表，可以窥见策略设计思路：
1.快充时，健康区间80~100%的电池启控温度为40℃，退化后会降到30℃。
2.行驶状态则根据SOH设定42℃、40℃、35℃三档。
整体思路是：老化越严重，阈值越低、冷却越早、停得也早。
怎么说呢？延迟老化比节能更值钱。对吧？
对于纯电车来说，哪怕多耗一点能量，只要能让循环寿命延长5%，整车的全生命周期成本就是收益。

还有一点值得注意，专利提到了“温控指令的生成逻辑”。
它既可以是系统在行驶周期达到某阈值后自动触发，也可以是用户通过App或者云端策略下发。这意味着未来OTA可以直接下发新策略。

这类自适应热管理的价值，在全固态时代会更大。
因为固态电池的可用温度区域相对较窄、温升速率更快，用固定的阈值去进行温度控制，不是那么可行，更需要依赖健康度的反馈与预测控制来维持安全边界。

以后有得好玩了。